SPACe (细胞的快速表型分析):一个开源的,单细胞分析的细胞绘画数据

科学领域:

• 细胞成像和高通量查
• 计算生物学和生物信息学
• 药物发现和作用机制研究研究.

背景情况:

• 高通量显微镜,特别是细胞绘画 (CP) 试验,产生大量的图像数据用于细胞干扰查.
• 像CellProfiler这样的现有的开源软件需要大量的计算资源,限制了可访问性.
• 图像数据中的细胞对细胞的变化通常是平均值和未充分利用的.

研究的目的:

• 介绍SPACe,一个开源的,基于Python的平台,用于快速单细胞表型分析.
• 能够在标准硬件上有效分析 Cell Painting 数据,克服计算障碍.
• 利用单细胞的变异性来加强质量控制,击中识别和生物解释.

主要方法:

• 开发了SPACe,这是一个Python平台,用于分析来自细胞绘画实验的单细胞形态概况.
• 实现了基于形态特征分布的地球移动器距离 (EMD) 进行质量控制和呼叫.
• 验证了SPACe与CellProfiler的性能,以提高动作识别的速度和准确性.

主要成果:

• 在普通桌面计算机上,SPACe处理典型的Cell Painting数据集的速度大约是CellProfiler的十倍.
• 使用SPACe进行的分析表明,生物复制物之间具有可重复性,并且适用于多种细胞系 (∼20).
• SPACe有效地捕获和利用细胞对细胞的反应变异,提高生物解释性.

结论:

• SPACe为大规模的表型分析提供了更容易获得和更有效的解决方案.
• 它分析单细胞变异和提供生物见解的能力增强了药物查活动.
• 在多细胞系抑制剂选中证明的实用性突显了跨模型扰动测试的重要性.